改进YOLOv5的无人机小目标检测算法

摘要

小目标由于可用特征少、纹理模糊等因素，一直是目标检测领域中的一个难点。针对无人机小目标检测中的误检与漏检问题，提出了一种无人机小目标检测算法LASD-YOLOv5。设计了一种极化自注意力机制，以更准确地提取微小特征；引入加权双向特征金字塔网络，替换路径聚合网络，以加强对底层特征的利用，对检测头进行解耦，以提高模型的收敛速度。同时，针对当前无人机小目标数据集中小目标占比少与场景不全面的问题，贡献了一个多场景低慢小无人机目标数据集LASD-D。结果表明，所提算法在LASDD数据集上的平均精度为98.29%，相比原网络提升了2.87%，同时也优于YOLOv7, YOLOv8与QueryDet等主流算法，完全满足无人机小目标检测领域的需求。

关键词

小目标检测 / 无人机 / 注意力机制 / 特征融合 / YOLOv5